Learning for Diffusion Models
为了能够离线编辑，我们使用githubdesktop软件，并且使用分支进行管理，并且使用typora进行md文件的书写。详情请看githubdesktop.txt
扩散模型：和其他生成模型一样，实现从噪声（采样自简单的分布）生成目标数据样本。
扩散模型包括两个过程：前向过程（forward process）和反向过程（reverse process），其中前向过程又称为扩散过程（diffusion process）。无论是前向过程还是反向过程都是一个参数化的马尔可夫链（Markov chain），其中反向过程可用于生成数据样本（它的作用类似GAN中的生成器，只不过GAN生成器会有维度变化，而DDPM的反向过程没有维度变化）。
| 文章名 | Link |
|---|---|
| 马尔可夫链(Markov Chain)是什么？通俗易懂 | Link |
| 简述马尔可夫链【通俗易懂】 | Link |
扩散模型
| 文章名 | Link |
|---|---|
| 超详细的扩散模型（Diffusion Models）原理+代码 | Link |
| 【深度学习模型】扩散模型(Diffusion Model)基本原理及代码讲解 | Link |
| KL散度 | Link |
| 个人学习笔记以及心得 |
| 文章名 | 链接 | code链接 | |
|---|---|---|---|
| Denoising Diffusion Probabilistic Models | Link | Link | |